用于量子态生成的模型训练方法、装置、设备和存储介质与流程

本公开涉及人工智能，尤其涉及人工智能(aigc)以及量子计算，可应用于自动写作、语音合成、图像生成场景下。更具体地，本公开提供了一种生成模型的训练方法、数据生成方法、装置、电子设备和存储介质。

背景技术：

1、随着人工智能以及量子计算技术的发展，可以将量子计算技术引入人工智能任务中，以提高人工智能任务的执行效率；也可以利用人工智能技术来拓展量子计算的应用场景。

技术实现思路

1、本公开提供了一种生成模型的训练方法、数据生成方法、装置、设备以及存储介质。

2、根据本公开的一方面，提供了一种生成模型的训练方法，该方法包括：将量子态样本数据输入编码模型的量子神经网络，得到输出结果；沿多个方向对输出结果进行测量，得到测量特征，其中，测量特征对应输出结果的多个方向的测量结果；根据测量特征，得到初始特征；从多个待调整嵌入特征中，确定与初始特征对应的目标嵌入特征；根据目标嵌入特征，得到参数数据；根据参数数据，利用第一生成模型的量子神经网络生成量子态输出数据；根据量子态样本数据和量子态输出数据，调整第一生成模型的参数以及多个待调整嵌入特征。

3、根据本公开的另一方面，提供了一种数据生成方法，该方法包括：根据待处理输入数据，得到目标特征；从多个经调整嵌入特征中，确定与目标特征对应的目标嵌入特征；根据目标嵌入特征，得到参数数据；根据参数数据，利用第一生成模型的量子神经网络生成量子态输出数据；根据量子输出数据，确定目标数据，其中，第一生成模型是利用如本公开提供的方法训练的。

4、根据本公开的另一方面，提供了一种生成模型的训练装置，该装置包括：第一获得模块，用于将量子态样本数据输入编码模型的量子神经网络，得到输出结果；测量模块，用于沿多个方向对输出结果进行测量，得到测量特征，其中，测量特征对应输出结果的多个方向的测量结果；第二获得模块，用于根据测量特征，得到初始特征；第一确定模块，用于从多个待调整嵌入特征中，确定与初始特征对应的目标嵌入特征；第三获得模块，用于根据目标嵌入特征，得到参数数据；第一生成模块，用于根据参数数据，利用第一生成模型的量子神经网络生成量子态输出数据；调整模块，用于根据量子态样本数据和量子态输出数据，调整第一生成模型的参数以及多个待调整嵌入特征。

5、根据本公开的另一方面，提供了一种数据生成装置，该装置包括：第五获得模块，用于根据待处理输入数据，得到目标特征；第二确定模块，用于从多个经调整嵌入特征中，确定与目标特征对应的目标嵌入特征；第六获得模块，用于根据目标嵌入特征，得到参数数据；第二生成模块，用于根据参数数据，利用第一生成模型的量子神经网络生成量子态输出数据；第二确定模块，用于根据量子输出数据，确定目标数据，其中，第一生成模型是利用本公开提供的装置训练的。

6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。

7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。

8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据本公开提供的方法。

9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种生成模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述根据所述测量特征，得到所述初始特征包括：

3.根据权利要求1所述的方法，其中，所述确定与所述初始特征对应的目标嵌入特征包括：

4.根据权利要求1所述的方法，其中，所述根据所述目标嵌入特征，得到参数数据包括：

5.根据权利要求1所述的方法，其中，所述根据所述参数数据，利用第一生成模型的量子神经网络生成量子态输出数据包括：

6.根据权利要求5所述的方法，其中，所述利用所述参数数据调整所述第一生成模型的量子神经网络，得到调整后的量子神经网络包括：

7.根据权利要求6所述的方法，其中，所述第一生成模型的量子神经网络对应至少一个量子比特，所述量子解码层包括至少一个所述量子比特的单比特旋转门，

8.根据权利要求6所述的方法，其中，所述第一生成模型的量子神经网络对应i个量子比特，i为大于或等于1的整数，

9.根据权利要求8所述的方法，其中，所述参数特征包括第一参数特征和第二参数特征；

10.根据权利要求5所述的方法，其中，所述利用所述调整后的量子神经网络，生成量子态输出数据包括：

11.根据权利要求1所述的方法，还包括：

12.根据权利要求1所述的方法，其中，所述根据所述量子态样本数据和所述量子态输出数据，调整所述第一生成模型的参数以及多个所述待调整嵌入特征包括：

13.根据权利要求1所述的方法，其中，所述根据所述量子态样本数据和所述量子态输出数据，调整所述第一生成模型的参数以及多个所述待调整嵌入特征包括：

14.根据权利要求13所述的方法，其中，所述根据所述量子态样本数据和所述量子态输出数据，确定损失包括：

15.根据权利要求14所述的方法，其中，所述根据所述目标嵌入特征和所述初始特征，确定相似子损失包括：

16.根据权利要求14所述的方法，其中，所述根据所述重构子损失和所述相似子损失中的至少之一，确定所述损失包括：

17.根据权利要求16所述的方法，其中，所述根据所述损失，调整所述第一生成模型的参数以及多个所述待调整嵌入特征包括以下至少之一：

18.根据权利要求1所述的方法，其中，所述量子态样本数据是基于训练样本数据得到的，所述训练样本数据包括图像样本数据、文本样本数据以及音频样本数据中的至少一个。

19.一种数据生成方法，包括：

20.根据权利要求19所述的方法，其中，所述根据待处理输入数据，得到目标特征包括：

21.根据权利要求19所述的方法，其中，所述目标数据包括目标图像数据、目标文本数据以及目标音频数据中的至少一个。

22.一种生成模型的训练装置，包括：

23.一种数据生成装置，包括：

24.一种电子设备，包括：

25.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至21中任一项所述的方法。

26.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至21中任一项所述的方法。

技术总结
本公开提供了一种生成模型的训练方法，涉及人工智能技术领域，尤其涉及生成式人工智能以及量子计算技术领域。具体实现方案为：将量子态样本数据输入编码模型的量子神经网络，得到输出结果；沿多个方向对输出结果进行测量，得到测量特征；根据测量特征，得到初始特征；从多个待调整嵌入特征中，确定与初始特征对应的目标嵌入特征；根据目标嵌入特征，得到参数数据；根据参数数据，利用第一生成模型的量子神经网络生成量子态输出数据；根据量子态样本数据和量子态输出数据，调整第一生成模型的参数以及多个待调整嵌入特征。本公开还提供了一种数据生成方法、装置、电子设备和存储介质。

技术研发人员：李广西
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/2/29